Kairos：面向物理AI的后悔感知原生世界-动作模型栈

摘要

我们介绍Kairos——面向物理AI的后悔感知原生世界-动作模型栈。Kairos的动机是：物理世界模型不应追求完整仿真未来所有像素——而应学习并维护与具身控制最相关的信息：对象状态、空间关系、接触条件、任务进度、动作后果、失败边界与部署不确定性。Kairos为该目标确立三项模型侧前提。第一——它经跨本体数据课程学习控制相关信息——把开放世界视频、人类行为数据与机器人交互组织为从被动物理观察到有意行为再到具身动作锚定的干预强度递进。第二——它经统一的理解-生成-预测架构维护控制充分状态——配备混合线性时间注意力——局部、中程与全局时间通路在高效推理下支持多时间尺度状态维护。第三——它经部署感知的系统协同设计部署这些状态——把延迟、内存占用与硬件兼容性当作未来观测、动作与反馈回路的一阶约束。在具身世界模型基准、世界-动作基准、长程生成与推理效率评估上的实验表明——Kairos取得卓越性能——同时提供有利的效率-能力权衡。

Kairos：面向物理AI的后悔感知原生世界-动作模型栈：论文配图 — 图 1：Kairos 的动机。现有的世界模型沿着表征、生成、交互和统一的世界动作方向发展，提供了抽象推理、高保真未来生成、基于模拟的交互和具体世界动作建模等有用的功能。然而，物理人工智能需要的不仅仅是视觉上合理的未来模拟：它需要足够控制的状态、反事实的动作收敛、多时间尺度的状态维护和部署就绪的推理。 Kairos 通过跨实体数据课程、具有混合时间记忆的统一世界动作架构以及部署感知协同设计来解决这些差距，形成一个后悔感知世界动作堆栈，用于学习、维护和部署控制充足的状态。